第四次课：如何读论文——找到别人做过什么

周子力大约 13 分钟教学文档科研方法论文阅读知识图谱自然语言处理

第四次课：如何读论文——找到别人做过什么

学习目标

通过本讲学习，学生应能够：

了解研究论文的基本结构及各部分承担的作用。
从论文中识别作者要解决的问题、采用的方法、实验依据和主要结论。
了解知识图谱与自然语言处理论文中的常见研究问题。
掌握“问题—方法—实验—结论—局限”的精读框架。
能够比较两篇相关论文，而不是逐段翻译或只复述技术细节。
完成统一格式的文献卡，为后续课程项目积累研究依据。

本讲的核心原则是：读论文的目标不是复述作者写了什么，而是判断作者解决了什么、怎样证明有效、还有什么没有解决。

一、为什么要读论文

课程项目不能只从“我觉得这个想法不错”出发。一个研究问题是否值得做，需要先知道：

别人是否已经做过相同问题；
已有工作采用了哪些方法；
它们在什么条件下有效；
它们还存在哪些局限；
自己的小项目可以借鉴、比较或改进什么。

论文阅读是科研工作的起点，但它不是机械翻译。对于初学者，最重要的是建立一套能够反复使用的阅读框架。

读懂一篇论文
      ↓
知道作者解决了什么问题
      ↓
判断方法是否适合自己的场景
      ↓
理解实验是否足以支撑结论
      ↓
发现可以继续验证或改进的地方

二、一篇研究论文通常由哪些部分组成

不同会议、期刊的格式会有差异，但人工智能、知识图谱和自然语言处理论文通常包括以下部分。

部分	回答的问题	阅读时应关注什么
标题	这篇论文大致研究什么？	研究对象、任务、方法或场景
摘要	作者声称做了什么？	问题、方法、结果、贡献
引言	为什么这个问题重要？	背景、已有不足、论文贡献
相关工作	别人已经做过什么？	研究路线、对比对象、位置差异
方法	作者具体怎样做？	输入、输出、流程、关键设计
实验	方法是否真的有效？	数据、比较方法、指标、结果、案例
结论与局限	最终发现是什么？	适用范围、未解决问题、未来方向
参考文献	该领域的知识来源是什么？	经典工作、可继续阅读的论文

对于第一次阅读一篇论文，不需要一开始就理解全部公式、代码和细节。应先抓住全局结构，再决定哪些部分值得深入。

三、用“问题—方法—实验—结论—局限”读论文

下面是一套适用于大多数课程论文和学术论文的阅读框架。

1. 问题：作者到底想解决什么

阅读标题、摘要和引言时，应尝试用一句话回答：

这篇论文要解决的具体问题是什么？

例如：

如何从医疗科普文本中抽取疾病、症状和治疗相关关系？
如何减少大语言模型在问答中生成错误事实的情况？
如何将多个来源的同名实体识别为同一个对象？
如何让知识图谱能够反映随时间变化的事实？

要特别注意区分“研究领域”和“研究问题”。

研究领域：知识图谱、自然语言处理、RAG
研究问题：如何降低课程资料问答中的过时信息错误

一个清晰的研究问题通常包含对象、困难和目标。

2. 方法：作者是怎样解决的

方法部分通常描述输入、处理流程和输出。初读时不必急于理解每个公式，可以先画出流程。

例如，一篇关系抽取论文的方法可以概括为：

输入：领域文本
   ↓
识别实体
   ↓
判断实体之间是否存在预定义关系
   ↓
输出：实体、关系与三元组

阅读方法时，可以追问：

输入的数据是什么？
输出的结果是什么？
方法中最关键的一步是什么？
作者与已有方法相比，改变了什么？
这个方法需要哪些前提条件？

3. 实验：作者如何证明方法有效

实验部分不是“结果展示区”，而是论文最重要的证据部分。

阅读实验时，至少要检查四件事：

问题	需要寻找的信息
用什么数据？	数据集来源、规模、领域、训练/测试划分
和谁比较？	baseline，即已有方法或简单方法
如何评价？	准确率、召回率、F1 值、人工评价、案例分析等
结果说明什么？	是否真正支持作者的研究主张

例如，若一篇论文声称“某方法提高了关系抽取效果”，则应看到：

在什么数据集上提高；
相比哪些方法提高；
提高了多少；
是否分析了在哪些情况下有效或失败。

4. 结论：作者最终得到了什么发现

结论不只是“方法效果好”。应尝试写出更具体的表述：

在某类数据和某种评价方式下，该方法相较于若干对比方法表现更好；但它仍受限于数据规模、标注质量或特定场景。

这样可以避免把论文结论理解成不受条件限制的“万能结论”。

5. 局限：作者还没有解决什么

局限常出现在引言、实验分析、结论或附录中，也可能需要读者自己判断。

常见局限包括：

数据集范围较窄；
只在英文或单一领域验证；
需要高质量标注数据；
缺少与强基线的比较；
评价指标不足以反映真实使用效果；
结果可解释性不足；
方法计算成本较高；
忽略知识更新、冲突和来源问题。

寻找局限不是为了否定论文，而是为了理解它的适用边界，并寻找后续研究的可能方向。

四、知识图谱与 NLP 论文的常见研究问题

下面列出课程中可能遇到的常见问题类型。学生不需要立刻掌握所有方法，但应能识别一篇论文属于哪类问题。

1. 知识抽取

目标：从文本中抽取实体、关系、属性或事件。

常见问题：

如何识别领域术语？
如何判断两个实体之间的关系？
如何从一句或多句文本中抽取事件？
如何减少抽取错误和遗漏？

2. 实体链接与知识融合

目标：识别不同名称是否指向同一实体，并合并多来源知识。

常见问题：

“北大”“北京大学”“Peking University”是否是同一实体？
多个来源描述同一事实时，如何合并？
不同来源出现冲突时，如何保留、选择或标记？

3. 知识图谱补全与推理

目标：利用已有关系预测可能缺失的关系，或给出可解释的推理过程。

常见问题：

已知“课程 A 是课程 B 的先修课”“课程 B 是课程 C 的先修课”，能否推断课程 A 与课程 C 的学习顺序？
已知实体的部分属性，能否预测可能缺失的关系？

4. 知识质量与知识更新

目标：识别知识中的错误、重复、冲突、过时和来源不清等问题。

常见问题：

哪些三元组可信度较低？
如何发现已过时的事实？
如何记录知识来源和版本？

5. 大语言模型的知识与幻觉

目标：研究大语言模型如何使用知识，以及如何减少错误事实。

常见问题：

大模型在哪些问题上容易产生幻觉？
加入检索资料是否能提升事实正确性？
加入知识图谱能否使回答更容易解释和核验？

6. 知识增强问答与 RAG

目标：让系统先检索外部知识，再生成答案。

常见问题：

如何选择与问题真正相关的资料？
检索到的资料是否被模型正确使用？
如何让答案附带来源和证据？

五、第一次读一篇论文：推荐顺序

初学者常见的误区是从第一页开始逐句翻译，读到方法或公式时就停住。更有效的做法是分层阅读。

第一轮：判断是否相关

优先阅读：标题、摘要、关键词、图表、结论。

需要回答：

这篇论文是否与我的项目方向相关？
它研究的对象和数据是什么？
它大致提出了什么方法？
它的结论对我的项目有什么启发？

第二轮：理解研究逻辑

重点阅读：引言、方法总览图、实验设置和主要结果表。

需要回答：

作者为什么要做这个问题？
它与已有工作有什么区别？
它的核心流程是什么？
实验是否能支持结论？

第三轮：深入关键细节

重点阅读：与自己项目最相关的方法细节、案例分析、消融实验和参考文献。

需要回答：

哪些设计可以被自己的项目借鉴？
哪些条件在自己的场景中不具备？
是否存在值得进一步验证的局限？

并非每篇论文都需要完成第三轮阅读。阅读深度应由研究目标决定。

六、如何比较两篇论文

比较论文的目的不是判断“哪篇更厉害”，而是建立对一个研究方向的整体理解。

可从以下维度比较：

比较维度	论文 A	论文 B
研究问题	解决什么具体问题？	解决什么具体问题？
数据	使用什么领域、什么规模的数据？	使用什么领域、什么规模的数据？
知识表示	文本、三元组、图谱、向量或混合？	文本、三元组、图谱、向量或混合？
核心方法	最关键的处理步骤是什么？	最关键的处理步骤是什么？
对比方法	与哪些 baseline 比较？	与哪些 baseline 比较？
评价方式	用什么指标或人工评价？	用什么指标或人工评价？
主要结论	在什么条件下有效？	在什么条件下有效？
局限	尚未解决什么？	尚未解决什么？
对自己项目的启发	可借鉴什么？	可借鉴什么？

比较后，可以尝试形成这样的判断：

论文 A 更关注从文本中提高知识抽取效果，论文 B 更关注抽取结果的可追溯性。两者都没有专门讨论资料频繁更新时的过时知识问题，因此我的课程项目可以在小范围数据上比较不同资料更新策略的影响。

这类判断比“论文 A 使用了某模型，论文 B 使用了另一个模型”更接近科研阅读。

七、文献卡：统一记录一篇论文

每阅读一篇论文，都应形成一张文献卡。文献卡不追求面面俱到，重点是留下今后能直接使用的研究信息。

文献卡模板

项目	内容
论文题目
作者与发表信息
链接或文件位置
研究方向	知识抽取、知识融合、知识图谱推理、RAG 等
研究问题	作者具体要解决什么？
数据与场景	使用什么数据，在什么场景验证？
知识表示	文本、表格、三元组、知识图谱或其他方式？
核心方法	用 3–5 句话或流程图概括，不逐段翻译
对比方法	和哪些 baseline 比较？
实验结果	最关键的结果是什么？
主要结论	作者最终证明或发现了什么？
局限	数据、方法、实验或适用范围有什么不足？
与我的项目关系	可借鉴、可比较或可继续验证的内容